Fitness, inteligencia artificial y el papel de los chatbots en los entrenamientos
La inteligencia artificial viene invadiendo el mundo del fitness a gran velocidad, y no es exagerado decir que mucha gente ya tiene un técnico virtual de bolsillo. Algunos lo llaman CoachGPT, otros usan nombres parecidos, pero la lógica es la misma: hablar con un chatbot como si fuera un entrenador, pedir ayuda para montar planillas, entender datos de rendimiento, ajustar la carga de entrenamiento y, a veces, hasta escuchar algunas verdades sobre la falta de constancia.
En el artículo original de The New York Times, el punto de partida es muy claro: atletas comunes, no solo profesionales, están usando modelos de IA como ChatGPT y Claude para alcanzar metas reales de running, triatlón, musculación y ciclismo. En lugar de depender solo de apps tradicionales o entrenamientos genéricos, esta galera empezó a subir años de datos de carrera, como historial de Strava, ritmo promedio, maratones pasadas, frecuencia cardíaca, sueño e incluso la sensación posentrenamiento, pidiéndole a la IA que cree un plan personalizado.
En muchos casos, esa IA no aparece en forma de aplicación llena de gráficos bonitos, sino en modelos de uso general, como Claude o ChatGPT, que el propio usuario adapta para que actúe como técnico personal. Leen archivos de GPS, identifican picos de rendimiento, caídas de volumen, riesgos de lesión y devuelven un resumen estructurado con un plan de acción. Lo curioso es que, incluso con toda la fama de ser “alcahueta”, la IA también suelta algunos regaños sinceros cuando nota que el volumen de entrenamiento se desplomó o que el atleta quiere evolucionar demasiado rápido.
IA y fitness: de las apps dedicadas a los modelos generalistas
El texto original destaca que la IA ya se volvió estándar en varias plataformas de fitness. Una investigación del sector citada por el periódico mostró que, en 2025, cerca de dos tercios de los usuarios de gimnasio ya habían usado algún tipo de software de entrenamiento basado en IA. Eso incluye desde apps que sugieren entrenamientos automáticos hasta sistemas más avanzados que analizan patrones de esfuerzo, recuperación y rendimiento.
En el artículo aparecen algunos ejemplos concretos:
- Strava agregó una función de resumen de entrenamiento con IA para suscriptores, interpretando automáticamente lo que pasó en la sesión y explicándolo en lenguaje sencillo.
- La propia Strava compró Runna, un programa de entrenamiento automatizado que mezcla planes escritos por humanos con ajustes hechos por IA, adaptando la carga según la respuesta del atleta.
- Peloton lanzó un sistema con IA capaz de contar repeticiones y dar feedback de ejecución usando la cámara integrada en los equipos, acercando la experiencia a lo que haría un instructor en vivo.
Pero el punto central del reportaje no son esas apps listas, sino el giro que ocurre cuando las personas pasan a usar modelos de IA generalista como técnicos virtuales. En lugar de una lista cerrada de funciones, estos modelos intentan responder cualquier pregunta sobre entrenamiento, running, musculación, triatlón, nutrición básica y estrategia de carrera, incluso cuando el tema es complejo. Esa flexibilidad hace que funcionen como una navaja suiza para atletas amateurs que quieren más contexto y explicación, sin quedar atados a una interfaz rígida.
Del upload de datos al plan de media maratón
Uno de los casos relatados es el de un corredor que subió más de diez años de datos de running a Claude y le pidió un plan de media maratón. La IA analizó archivos de Strava, vio que había un historial fuerte, con una maratón bien hecha e incluso una ultramaratón de trail, pero también identificó que el volumen reciente de entrenamientos había caído en picada. En lugar de entregar solo elogio vacío, el modelo hizo un “reality check”: reconoció que el motor era bueno, pero advirtió que volver demasiado fuerte podría aumentar el riesgo de lesión.
A partir de ahí, el chatbot hizo preguntas sobre metas, rutina actual y tipo de entrenamiento que al atleta le suele gustar. En pocos minutos, armó una planilla basada, de forma suelta, en los principios de un entrenador consagrado, Jack Daniels, conocido por métodos de running bien estructurados. Lo más interesante es que la relación no se detuvo ahí: el atleta pasó a “reportar” entrenamientos a la IA, ajustar el ritmo en medio de la carrera para cumplir los parámetros sugeridos y conversar con el modelo para revisar el plan conforme el cuerpo respondía.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
IA como asistente de alto nivel: triatlón, maratón y musculación
Cuando el atleta ya tiene cierta experiencia, la IA deja de ser solo una fuente de motivación y se convierte en asistente técnico, ayudando a organizar ideas y afinar detalles que marcan la diferencia el día de la prueba.
Planificando un Ironman con ayuda de un chatbot
El artículo trae el ejemplo de Daylen Yang, un ingeniero de software de 30 años, fanático de la tecnología y los datos. En su sitio personal, muestra números como pulsaciones del último entrenamiento, kilometraje anual de running y ciclismo e incluso horas de sueño. Recurrió a ChatGPT para prepararse para un medio Ironman, con natación, ciclismo y running.
El objetivo era ambicioso: reducir el tiempo total en unos 30 minutos. Le pidió al chatbot un plan detallado para llegar a esa marca. El modelo devolvió una estructura de ciclo de entrenamientos de inmediato, que él consideró plausible. El día de la prueba, incluso con un calor intenso en el desierto de Utah, alcanzó la meta.
Claro que no todo fue perfecto. Al pedir un plan para una maratón en el otoño siguiente, notó que el modelo se equivocó en cuentas simples de suma de kilometraje semanal, algo que encaja bien con lo que ya se sabe sobre los LLM: pueden enredarse con matemáticas básicas. Después de corregir esas inconsistencias, el atleta mantuvo el plan, recibió orientaciones sobre ritmo, dolores poscarrera y nutrición para la prueba, y se quedó a pocos segundos de la meta, en un resultado muy competitivo.
Reconstruyendo fuerza tras una cirugía con soporte de IA
Otro caso llamativo es el de Victoria Boyd, practicante de musculación en Las Vegas. Después de una cirugía de rodilla, su peso muerto cayó de 335 a 135 libras. Decidida a recuperar la fuerza, ya había trabajado con entrenadores humanos antes y, por eso, tenía una buena noción de lo que tiene sentido en términos de periodización.
Al pedir un plan a ChatGPT, analizó con cuidado si la propuesta seguía uno de los principios más importantes del entrenamiento de fuerza: la sobrecarga progresiva, aumentando gradualmente la dificultad. Según el relato, el plan parecía coherente, con una estructura de entrenamientos organizada, progresión bien construida y distribución equilibrada de volumen e intensidad.
Mantuvo un diálogo continuo con el chatbot, registrando cómo se sentía, cómo estaba la rodilla, si había dolor anormal o solo el malestar natural de un entrenamiento pesado, además de usar la IA para monitorear la alimentación. En varios momentos, el modelo recomendaba una mayor ingesta de proteína e incluso sugería un batido cuando veía que no se estaban cumpliendo las metas diarias. El resultado, según la propia atleta, fue claro: volvió al nivel de fuerza previo a la cirugía.
Lo que la IA todavía no ve: la importancia del factor humano
No todo el mundo en el artículo ve la IA como sustituta del entrenador tradicional. Al contrario, varios entrevistados refuerzan que, aunque el entrenamiento generado por la máquina pueda ser técnicamente aceptable, falta algo que solo el humano ofrece.
Un entrenador que se convirtió en empleado de una empresa de IA
Chris Doenlen, hoy empleado de Anthropic, la empresa detrás de Claude, ya trabajó como entrenador de fuerza y personal trainer. Usa la propia IA de la empresa para prepararse para desafíos largos de ciclismo en las montañas de la región donde vive, en el norte de Washington.
Según él, el plan creado por la IA es razonable y se parecía a lo que un entrenador humano experimentado podría armar después de estudiar el caso. Sin embargo, Chris destaca que un buen técnico real también lee contexto y señales no verbales: postura, expresión, forma de moverse, tono de voz, entusiasmo o caída de ánimo. La IA no ve nada de eso. Está en un “vacío de datos”, reaccionando solo a lo que el atleta escribe y a los números que recibe.
Cuando la IA sobreestima a un atleta experimentado
El texto también muestra el caso de Jon Mott, entrenador de running en Florida y atleta de alto nivel, con tres participaciones en selectivos olímpicos de maratón en Estados Unidos. Quiso probar la IA a propósito: incluso teniendo seis entrenadores humanos en su equipo y cerca de 200 atletas orientados, decidió delegar su propio plan de media maratón a ChatGPT, como si fuera un alumno cualquiera.
El modelo se apoyó fuertemente en su mejor tiempo de maratón, 2h17, algo en torno a 3:15 por kilómetro. A partir de eso, propuso entrenamientos con ritmos tan agresivos que el propio Jon describió como imposibles de ejecutar. Además, antes de la prueba, el chatbot recomendó un período de descanso mayor al que estaba acostumbrado.
Resultado: llegó a la largada sintiéndose pesado y trabado, y terminó la media maratón más de cuatro minutos por encima de la meta que había establecido. Aun así, Jon no descarta por completo la IA. Ve el potencial de la tecnología para ofrecer un nivel básico de orientación a mucha gente que, de otro modo, no tendría acceso a ningún tipo de coaching.
Dónde puede ayudar más la IA: principiantes y constancia
Entre todos los perfiles del artículo, uno de los públicos que más se beneficia de la IA son los principiantes que intentaron entrenar solos, fracasaron y ahora encuentran un punto medio entre el abandono y el acompañamiento caro con un entrenador.
Atravesando el “hump” del running con soporte digital
Un ejemplo es el de Dustin Carl, consultor de software en Canadá. Ya había intentado empezar a correr algunos años antes, pero no consiguió mantener el hábito. En el siguiente intento, recurrió a ChatGPT para crear un plan e ir ajustándolo a medida que iba dando feedback.
Herramientas que usamos a diario
Una preocupación común entre entrenadores es el riesgo de que los planes generados por IA lleven a excesos, con volúmenes demasiado altos, intensidad descontrolada y, como consecuencia, lesiones. Curiosamente, lo que aparece en los relatos de este corredor fue lo contrario: al alimentar el chatbot con datos de frecuencia cardíaca y recuperación, se dio cuenta de que la IA tendía a ser conservadora, reduciendo la intensidad en fases en las que el cuerpo mostraba más estrés acumulado.
Cita una idea muy conocida por quienes corren: existe una especie de “muro” psicológico y físico en las primeras semanas o meses, en el que todo parece incómodo, lento y pesado. Si la persona supera esa fase, empieza a disfrutar de la rutina. La IA, en este caso, ayudó a regular el esfuerzo, evitar un burnout precoz y aguantar hasta que correr empezó a volverse más placentero.
Además de la parte física, este tipo de chatbot también ofreció orientación sobre dolores comunes, sugerencias de entrenamiento cruzado, estiramientos e incluso un poco de apoyo emocional, reforzando decisiones más cuidadosas. El propio Dustin, sin embargo, hace una observación importante: dice que es necesario recordar que la IA tiende a decir lo que la persona quiere oír, y mantener una mirada crítica ayuda a sacar lo mejor de la herramienta sin caer en ilusiones.
Equilibrando tecnología, cuerpo y experiencia
Al final, el escenario que se forma en el cruce entre fitness e inteligencia artificial tiene menos que ver con sustituir entrenadores y más con ampliar posibilidades. Modelos como Claude y ChatGPT muestran que son capaces de:
- leer grandes volúmenes de datos de entrenamiento y organizarlos en lenguaje sencillo;
- crear planes coherentes para muchos casos, especialmente para principiantes e intermedios;
- ayudar a atletas experimentados a estructurar ciclos y probar ideas;
- explicar conceptos de entrenamiento, nutrición básica y recuperación de forma accesible;
- funcionar como “técnico de bolsillo” en momentos en que no hay soporte humano disponible.
Al mismo tiempo, los relatos muestran que la IA:
- puede equivocarse al calcular carga y ritmo, sobre todo cuando se apoya demasiado en un único dato, como el mejor tiempo en una prueba;
- no ve señales no verbales, emoción, dolor fuera de lo normal o contexto de vida personal;
- depende totalmente de la calidad de lo que recibe: si los datos son malos o exagerados, las recomendaciones salen distorsionadas;
- corre el riesgo de incentivar una dependencia exagerada si el atleta deja de escuchar su propio cuerpo.
El artículo original deja un mensaje que vale tanto para quien está empezando como para quien ya tiene historial en pruebas largas: la inteligencia artificial puede ser una gran aliada en la construcción de constancia, la organización de entrenamientos y la comprensión de datos, pero todavía funciona mejor cuando camina de la mano con el sentido crítico, la autopercepción y, cuando es posible, el apoyo profesional humano.
Al final, quien cruza la línea de meta sigue siendo el cuerpo de carne y hueso. La IA puede incluso ayudar a elegir el camino, ajustar el ritmo y evitar algunos errores comunes, pero es la disciplina diaria, la lectura de las propias sensaciones y el equilibrio entre esfuerzo y recuperación lo que define hasta dónde puede llegar cada atleta.
